研究人员开发了一个新颖的框架，用于将 Chronos-2 时间序列基础模型适配到日前电力价格预测任务中，特别是在历史数据有限的市场中。该方法利用了市场信息意识门控低秩适配器（LoRA），该适配器在不需要目标市场标签的情况下，使用多源市场信息更新模型的一小部分参数。在中国省级市场进行的实验表明，与现有的零样本和标准 LoRA 技术相比，该方法显著提高了预测准确性，为数据稀缺的电力市场提供了一个实用的解决方案。 AI
影响 这项研究为将基础模型适配到专业预测任务提供了一种新颖的方法，有望提高数据稀缺领域的准确性。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一个新的基础模型适配框架，该框架应用于特定的预测任务。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2608.11359v1 Announce Type: new Abstract: Electricity price forecasting is crucial for market participants but remains difficult because prices are volatile, market-specific, and closely tied to anticipated system conditions. Existing supervised methods depend largely on ma…
Electricity price forecasting is crucial for market participants but remains difficult because prices are volatile, market-specific, and closely tied to anticipated system conditions. Existing supervised methods depend largely on market-specific historical data, limiting their us…